Lexique de l’IA générative pour les entreprises

Les mots qu’on entend en réunion, expliqués simplement. Pas pour briller, pour parler la même langue avant de se former. Le socle commun commence par le vocabulaire : c’est la deuxième des cinq étapes pour démarrer en entreprise.

IA générative

Une intelligence artificielle qui produit du contenu nouveau (texte, image, son, code) à partir d’une consigne. Elle ne retrouve pas une réponse existante : elle en fabrique une, mot après mot, en prédisant la suite la plus probable.

Grand modèle de langage (LLM)

Le moteur derrière Claude, Gemini ou ChatGPT. Un modèle entraîné sur d’énormes quantités de textes pour prédire le mot suivant. Il ne sait pas, il prédit. C’est ce qui explique à la fois sa puissance et ses erreurs.

Prompt

La consigne qu’on donne au modèle. Un bon prompt dit le contexte, le rôle attendu, la tâche, le format de sortie et les limites. Apprendre à prompter, c’est apprendre à être clair.

Hallucination

Une réponse fausse, mais formulée avec aplomb. Le modèle prédit une suite plausible, pas une suite vraie. On vérifie toujours une date, un chiffre, une citation, une référence.

Fenêtre de contexte

La quantité de texte que le modèle peut prendre en compte en une fois : la conversation, les documents joints, les consignes. Au-delà, il oublie le début.

Token

L’unité de texte que le modèle manipule, un morceau de mot en général. Les tarifs et les limites des outils se comptent souvent en tokens.

Assistant IA

Un modèle configuré pour une tâche ou un rôle précis, avec des consignes permanentes et parfois des documents de référence. Utile pour répéter un travail de qualité constante.

Agent IA

Un système qui enchaîne des actions pour atteindre un objectif : chercher, lire, écrire, appeler un outil. Puissant, et à surveiller : une erreur au début se propage.

Recherche augmentée (RAG)

Faire répondre le modèle à partir de vos propres documents, fournis au moment de la question, plutôt qu’à partir de sa seule mémoire. C’est ce qui rend les réponses fiables sur votre matière.

Données d’entraînement

Les textes sur lesquels le modèle a appris. Elles datent d’une période donnée et ne contiennent pas vos documents internes, sauf si vous les lui donnez.

Ajustement (fine-tuning) et prompting

Deux façons d’adapter un modèle. L’ajustement le ré-entraîne sur vos données, c’est lourd et rare. Le prompting le guide par les consignes et les documents, c’est ce que font la plupart des entreprises.

Modèle propriétaire et modèle ouvert

Un modèle propriétaire est fourni par un éditeur, en ligne. Un modèle ouvert peut être installé chez soi. Le choix dépend des données qu’on traite et des moyens qu’on a.

Confidentialité et accord de traitement des données

Ce qu’un éditeur fait des textes que vous lui envoyez : les conserve-t-il, s’en sert-il pour entraîner, qui y accède. Les offres entreprise encadrent ces points par contrat. Les comptes gratuits, rarement.

Cas d’usage

Une tâche précise de votre métier où l’IA apporte un gain mesurable : résumer un appel d’offres, sortir un compte rendu, préparer une proposition. On part de là, pas de l’outil.

Preuve de concept (POC)

Un test rapide, limité, pour vérifier qu’un cas d’usage fonctionne avant d’investir. Savoir ce qu’un test prouve, et ce qu’il ne prouve pas, est une compétence de direction.

Automatisation

Faire exécuter par l’outil une tâche répétitive sans intervention à chaque fois. On automatise ce qu’on maîtrise déjà à la main, jamais l’inverse.

Et ensuite

Le vocabulaire ne remplace pas la pratique. La formation IA générative travaille tout ça sur vos documents, en une journée, chez vous. Le guide complet : formation IA générative, par où commencer. Pour la direction : la formation IA pour dirigeants.